hive 实践（二）：hive基本原理-蒲公英云

hive 实践（二）：hive基本原理

Hive基本原理

   hive是基于Hadoop的一个[数据仓库][Link 1]工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。 其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合[数据仓库][Link 1]的统计分析。
   Hive将元数据存储在数据库（RDBMS）中，比如MySQL、Derby中。Hive有三种模式连接到数据，其方式是：单用户模式，多用户模式和远程服务模式。（也就是内嵌模式

、本地模式、远程模式）。

一、Hive体系结构：

Hive体系结构图：主要分为：用户接口、Thrift服务器、元数据存储、解析器、Hadoop

Center

二、 Hive数据类型

Hive的存储是建立在Hadoop文件系统之上的，它本身没有专门的数据存储格式，其主要包括四类数据模型：
表（Table）
分区（Partition）
桶（Bucket）
外部表（External Table）

Center 1

Hive的内置数据类型可以分为两大类：(1)、基础数据类型；(2)、复杂数据类型。其中，基础数据类型包括：TINYINT,SMALLINT,INT,BIGINT,BOOLEAN,FLOAT,DOUBLE,STRING,BINARY,TIMESTAMP,DECIMAL,CHAR,VARCHAR,DATE。

Center 2

三、Hive的执行流程要点
操作符（Operator）是Hive的最小处理单位；
每个操作符处理代表HDFS操作或MR作业；
编译器把Hive SQL转换成一组操作符；
Hive通过ExecMapper和ExecReducer来执行MapReduce任务；
执行MapReduce时有两种模式：本地模式和分布式模式；

常见的Hive操作符（部分）如下：

Center 3

四、 Hive的HQL操作

hive基本的运行操作其实和sql差不多，例如：

select u.name, o.orderid from order o join user u on o.uid = u.uid;
select dealid, count(distinct uid), count(distinct date) from order group by dealid;

简单Hive表语句：
create table student
(
name string,
sex string,
age int
);